مهندسی و مدیریت آبخیز

با همکاری انجمن آبخیزداری ایران

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پرسش‌های متداول

فرایند پذیرش مقالات

راهنمای نویسندگان

راهنمایی دریافت کد ORCID

داوران

راهنمای عضویت در Publons

ارزیابی تاثیر تغییرات اقلیمی بر کیفیت آب رودخانه مرزی ارس با استفاده از روش‌های آماری، مدل SWAT و شاخص WQISC

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان

2 استاد، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان

3 استادیار، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان

چکیده

رودخانه­‌ها همیشه در طول حیات بشری به‌­عنوان یکی از اصلی‌ترین منابع تامین آب آشامیدنی و کشاورزی مورد توجه جوامع انسانی بوده، در شکل­‌گیری تمدن‌های بشری بسیار موثر بوده است. رودخانه ارس یک رودخانه مرزی است که یکی از مهمترین منابع تأمین آب شرب بسیاری از شهرها و روستاهای اطراف آن می‌باشد. این پژوهش، با هدف ارزیابی کیفیت آب رودخانه ارس در حال حاضر و پیش‌بینی آن برای دوره آتی و تحت سناریوهای انتشار RCP انجام پذیرفته است. در این پژوهش، داده‌های ماهانه دبی، بارش، TDS ،SO4 ،EC ،BOD ،Do ،COD ،NO3 و PO4 طی دوره آماری 1397-1374 با استفاده از شاخص کیفیت آب WQI تجزیه و تحلیل شد. همچنین، تغییرات میزان بارش و دما تحت سناریوهای انتشار RCP پیش‌بینی شد. برای بررسی تاثیر تغییرات اقلیمی بر کیفیت آب رودخانه، بین پارامترهای بارش، دبی و پارامترهای کیفیت آب روابط رگرسیونی برقرار شد و با توجه به پیش‌بینی انجام شده برای بارش و دبی در دوره 2036-2017، شرایط کیفیت آب با شاخص WQI برای سناریوهای RCP8.5 ،RCP4.5 و RCP2.6 محاسبه شد. در ضمن، تاثیر تغییرات پارامترهای اقلیمی بر پارامترهای کیفی فسفات و نیترات با استفاده از مدل SWAT برای دوره آینده برآورد شد. نتایج بررسی‌های آماری نشان داد که میزان پارامترهای نیترات، فسفات و COD در هر سه سناربو افزایشی خواهد بود. همچنین، نتایج شبیه‌سازی پارامترهای فسفات و نیترات با استفاده از مدل SWAT نیز برای هر سه سناریو شرایط افزایشی را پیش‌بینی کرده است. نتایج تأثیر تغییرات اقلیمی بر کیفیت آب با استفاده از شاخص WQI نشان داد که در شرایط پایه کیفیت آب در شرایط بد قرار دارد (شاخص WQI برابر 15.69) و تحت تاثیر تغییرات اقلیمی و بر اساس سناریوهای RCP8.5 ،RCP4.5 و RCP2.6 مقدار شاخص WQI به‌ترتیب 11.17؛ 12.23 و 12.45 شده و کیفیت آب به خیلی بد تغییر کرده است که نیازمند توجه به بحث کیفیت رودخانه ارس و جلوگیری از ورود آلاینده‌ها می‌باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluating the impact of climate change on Aras border river water quality using statistical methods, SWAT Model and WQISC Index

نویسندگان [English]

  • Behnam Farid Giglou 1
  • Reza Ghazavi 2
  • Siamak Dokhani 3

1 PhD Student, Faculty of Natural and Environmental Sciences, Kashan University, Iran

2 Professor, Faculty of Natural and Environmental Sciences, Kashan University, Iran

3 Assistant Professor, Faculty of Natural and Environmental Sciences, Kashan University, Iran

چکیده [English]

Rivers have always been considered by human societies as one of the main sources of drinking water and agriculture during human life and have been very effective in the formation of human civilizations. Aras River is a border river that is one of the most important sources of drinking water in many surrounding towns and villages. The aim of this study is to evaluate the water quality of Aras River at present and predict it for the future period under RCP release scenarios. In this study, monthly data of discharge, precipitation, TDS, SO4, EC, BOD, Do, COD, No3, and Po4 during the statistical period of 1995-2018 were analyzed using WQI water quality index. Also, changes in precipitation and temperature were predicted under RCP release scenarios. To investigate the impact of climate change on river water quality, regression relationships were established between rainfall, discharge and water quality parameters and according to the forecast for rainfall and discharge in the period 2017-2036, water quality conditions with WQI index for scenarios. RCP8.5, RCP4.5 and RCP2.6 were calculated. In addition, the effect of changes in climate parameters on the quality parameters of phosphate and nitrate was estimated using the SWAT model for the future. The results of statistical studies showed that the amount of nitrate, phosphate and COD parameters in all three scenarios will be increasing. Also, the simulation results of phosphate and nitrate parameters using SWAT model have predicted incremental conditions for all three scenarios. The results of the effect of climate change on water quality using the WQI index showed that water quality is in poor condition at baseline (WQI index is 15.69) and under the influence of climate change based on scenarios of RCP8.5, RCP4.5 and RCP2.6 WQI value 11.17, respectively; 12.23 and 12.45 and water quality will change to very bad, which requires attention to the quality of the Aras River and the prevention of pollutants.

کلیدواژه‌ها [English]

  • Emission scenarios
  • Nitrate
  • Phosphate quality
  • Sources of drinking water
  • Water quality index
مراجع
  1. Dos Santos Simoes, F., A.B. Moreira, M.C. Bisinoti, S.M.N. Gimenez and M.J.S. Yabe. 2008.Water quality index as a simple indicator of aquaculture effects on aquatic bodies. Ecological Indicators, 8(5): 476-84.
  2. Effendi, H. and R.Y. Wardiatno. 2015. Water quality status of Ciambulawung River, Banten Province, based on pollution index and NSF-WQI. Procedia Environmental Sciences, 24: 228-237.
  3. Ehteshami, M., N. Biglarijoo and M. Salari. 2014. Assessment and quality classification of water in Karun, Dez and Karkheh Journal of River Engineering, 2(8): 23-30.
  4. Fabiano, D., S. Santos, B. Altair, M. Moreira and M. Sonia. 2008. Water quality index as a simple indicator of aquaculture effects on aquatic bodies. Ecological Indicators, 8: 476-484.
  5. Farayi, E. 2011. Investigation of qualitative parameters of water supply channels in Parsabad City. Journal of Environmental Science, 50: 72-81 (in Persian).
  6. Fathi, P., I. Ebrahimi, N. Mirghafari and A.R. Esmaili. 2016. Investigation of temporal and spatial changes of water quality in Choghakhor Wetland using Water Quality Index (WQI). Journal of Aquatic Ecology, 5(3): 41-50 (in Persian).
  7. Fazeli, A., B. Salahi and M. Godarzi. 2020. Evaluating the effects of climate change on potential evapotranspiration changes in the Moghan Plain with RCPs scenarios. Journal of Watershed Engineering and Management, 12: 977-993 (in Persian).
  8. Goudarzi, M., B. Salahi and S.A. Hosseini. 2018. Estimation of evapotranspiration rate due to climate change in the Urmia Lake Basin, Iran. Journal of Watershed Management Science and Engineering, 13(41): 1-12 (in Persian).
  9. Hossieni, P., A.R. Ildoromi and A.R. Hossieni. 2013. Assimilative capacity of the River Karun using index NSFWQI in the range Zergan-Kut Amir (during the five years). Human and Environment, 11(25): 1-11 (in Persian).
  10. Lumb, A., D. Halliwell and T. Sharma. 2002. Canadian Water Quality Index (CWQI) to monitor the changes in water quality in the Mackenzie River, Great Bear. In: Proceedings of the 29th Annual Aquatic Toxicity Workshop, (Oct. 21-23), Whistler, B.C. Canada.
  11. Mangadze, T., J.C. Taylor, W.P. Froneman and T. Dalud. 2019. Water quality assessment in a small austral temperate river system (Bloukrans River system, South Africa): application of multivariate analysis and diatom indices. South African Journal of Botany, 125: 353–359.
  12. Marara, T. and L.G. Palamuleni. 2019. An environmental risk assessment of the Klip River using water quality indices. Physics Indices, Physics and Chemistry of the Earth, 8 pages.
  13. Mehrotra, R., J.P. Evans, A. Sharma and B. Sivakumar. 2014. Evaluation of downscaled daily rainfall hindcasts over Sydney, Australia using statistical and dynamical downscaling approaches. Hydrology Research, 45(2): 226-249.
  14. Mirmoshtaghi, M., R. Amirnezhad and M.R. Khaledian. 2013. Survey of water quality in Sefidrood by NSFWQI and OWQI Quarterly Journal of Wetland Ecobiology, 3(9): 23-34 (in Persian).
  15. Mohseni Bandpey, A., M. Majlesi and A. Kazempour. 2014. Evaluation of Golgol River water quality in Ilam Province based on the National Sanitation Foundation Water Quality Index (NSFWQI). Journal of the Health in the Field, 1(4): 45-54 (in Persian).
  16. Mojaradi, B., F. Alizadeh Sanami and M. Samadi. 2018. Estimation of water quality index in Talar River using gene expression programming and artificial neural networks. Iran Watershed Management Science and Engineering, 12(41): 61-73.
  17. Nasrullah Zade Saravi., R., M. Vahedi, F. Makhlug and A.M. Dostdar. 2017. Determination of effective water quality parameters of Aras River using principal component analysis. Caspian Sea Aquatic Journal, 3(3): 1-10 (in Persian).
  18. Olyaie, E., H. Banejad, M.T. Samadi, A.R. Rahmani and M.H. Saghi. 2011. Performance evaluation of artificial neural networks for predicting rivers water quality indices (BOD and DO) in Hamadan Morad Beik River. Journal of Soil and Water Knowledge, 1(3): 199-210 (in Persian).
  19. Ramos, M.A., E.S. Oliveira, A.C. Pião, D.A. de Oliveira Leite and D.D. de Angelis. 2016. Water Quality Index (WQI) of Jaguari and Atibaia rivers in the region of Paulínia, São Paulo, Brazil. Environmental Monitoring and Assessment, 188(5): 1-4.
  20. Rosli, N.A., M.H. Zawawi and R.A. Bustami. 2012. Salak River water quality identification and classification according to physico-chemical characteristics. In Proceedings of International Conference on Advances in Sciences and Contemporary Engineering, 69–77.
  21. Sadeghi, M, A. Bay, N. Bay, N. Soflaie, M. Mehdinejad and M. Mallah. 2015. The effect of agriculture drainage on water quality of the Zaringol in Golestan Province by the water quality index. Journal of Research in Environmental Health 2015, 1(3): 177-85 (in Persian).
  22. Sadeghi, M., A. Bay, N. Bay, N. Soflaie, M. Mehdinejad and M. Mallah. 2016. The survey of Zarin-Gol River water quality in Golestan Province using NSF-WQI and IRWQISC. Journal of Health in the Field, 3(3): 27-34 (in Persian).
  23. Saha, P.P., K. Zeleke and M. Hafeez. 2013. Streamflow modeling in a fluctuant climate using SWAT: Yass River Catchment in south eastern Australia. Environmental Earth Sciences, 71(12): 5241–5254.
  24. Salari, M., F. Radmanesh and H. Zarei. 2012. Quantitative and qualitative assessment of Karoon River water using NSFWQI index and AHP method. Journal of Human and Environment, 23(34): 13-22 (in Persian).
  25. Shahmohammadi-Kalalagh, Sh. and N. Habibzadeh. 2017. Assessment of geochemical and distribution of heavy metals Pb, Cu, Zn and Ni in the Aras free trade-industrial zone. Journal of Water Resources Protection, 6(4): 29-44 (in Persian).
  26. Shamsaie, A., S. Oreei and A. Sarang. 2004. The comparison of water indices and zoning quality in Kroon and Dez rivers. Journal of Water Wastewater, 16(3): 39-48 (in Persian).
  27. Solgi, E. and H. Sheikhzadeh. 2016. Study of water quality of Aras River using physico-chemical variables. Iran Water Resources Research, 12(3): 207-213 (in Persian).
  28. Vaheedunnisha, S. and K. Sandeep. 2013. Water quality assessment of RoopSagar Pond of Satna using NSF-WQI. International Journal of Innovative Research in Science, Engineering and Technology, 2(5): 1386 1388.
  29. Yulu Tian, Y., Y. Jianga, Q. Liua, M. Dong, D. Xu, Y. Liua, Y. Liua and X. Xua. 2019. Using a water quality index to assess the water quality of the upper and middle streams of the Luanhe River, Northern China. Science of the Total Environment, 667: 142–151.
مهندسی و مدیریت آبخیز
دوره 13، شماره 4
بهمن 1400
صفحه 718-731
فایل ها
هم رسانی
ارجاع به این مقاله
آمار